作为国民经济的重要组成部分,制造业如何提升企业生产效率、降低生产能耗以适应日趋激烈的市场竞争环境,已经成为其面临的重大难题。而车间调度作为制造业生产管理的核心成分,是解决这一难题的关键。混合流水车间调度问题作为车间调度中的一类典型问题,与实际企业生产车间的生产环境、生产特点联系紧密,并广泛存在于机械、半导体、纺织等制造行业。有效解决该类问题可提高企业的生产能力,降低生产能耗。在以往的研究中,一方面,由于混合流水车间调度问题具有较高的复杂性,学者们常不考虑调整时间或者将它附加在加工时间中。但是,当调整时间足够大时,不单独考虑则会使调度方案产生误差;另一方面,学者们常假定工件的加工时间和调整时间是固定的,但这种假定并不完全符合实际生产情况,因为学习效应会影响工件的加工时间和调整时间,近而影响企业的生产效率。基于此,为了能够给企业制定更加合理的生产调度方案提供决策支持与参考,本文深入研究了考虑学习效应和顺序相关调整时间的混合流水车间调度问题。首先,基于对设备能耗和资源限制的考虑,本文将完工时间、总能耗作为目标对象进行协调优化,建立考虑学习效应和顺序相关调整时间的多目标混合流水车间调度问题模型。其次,混合蛙跳算法作为一种新型的优化算法,具有参数变量少、操作简单等特点,已被普遍地应用在函数优化、生产调度等领域,但是依然存在陷入局部最优等缺点。本文为了合理地安排工件的加工顺序和选择加工机器以提高生产效率、降低生产能耗,提出了一种有效的改进混合蛙跳算法。在该算法中,选用双层编码方式进行编码,并基于传统混合蛙跳算法的思想,在局部搜索中引入交叉原则对次优个体进行批处理操作,弥补了算法易陷入局部最优的缺陷以及提高了算法的求解性能。然后,为了检验该算法的求解性能,本文根据所提出的多目标模型,设计了小规模算例和大规模算例。并分别用该算法、SFLA、NSGA-II、SPEA-II四种算法对算例进行求解,接着选用综合性能指标（IGD）和分布性指标（C）作为评价指标,对本文提出的算法与SFLA、NSGA-II、SPEA-II三种算法进行比较分析,结果证明本文提出的改进算法具有较好的寻优能力。而后,针对现实存在的实例,利用本文提出的算法进行求解,进一步验证了算法有更好的性能,并分析了学习效应对混合流水车间调度的影响。